1️⃣ Big Data Research

 

 سردبيران

ژاوویی وو (دانشگاه ژجیانگ، هانگزو، چین)

تیمس پالپنس (دانشگاه پاریس دکارت، پاریس، فرانسه)

لینک

https://www.journals.elsevier.com/big-data-research/

 تعداد شماره:١٠

CiteScore:5.69

Source Normalized Impact per Paper(SNIP): 5.69

SCImago Journal Rank(SJR): 0.997

 اهداف و دامنه موضوعات: هدف این مجله ارتقای کیفیت و سرعت تحقیقات عظیم داده برای محققان، سیاست‌گذاران و افرادمشغول به کار در این زمینه می‌باشد.

این مجله مقالاتی در رابطه با مفاهیم بنیادی عظیم داده‌ها و همچنین مقالاتی در رابطه با فناوری‌ها و نرم‌افزار‌های عظیم داده را پوشش می‌دهد. بعلاوه به منظور ارتقا علوم داده، مقالاتی که برنامه‌‌های کاربردی عظیم داده در علوم مختلف مانند زمین شناسی، وب اجتماعی، مالی، تجارت الکترونیک، بهداشت و درمان، محیط زیست، آب و هوا، فیزیک و نجوم، شیمی، علوم زیستی، کشف مواد مخدر، کتابخانه دیجیتال، امنیت و دولت را نیز مورد توجه قرار داده است.

 

2️⃣ Journal of Big Data

 

 سردبيران

بوروکو فورث (دانشگاه فلوریدا، آتلانتیک،ایالات متحده آمریکا)

تقی خوش‌گفتار (دانشگاه آتلانتیک فلوریدا، ایالات متحده آمریکا)

لینک

https://journalofbigdata.springeropen.com/

تعداد شماره: ٤

Source Normalized Impact per Paper(SNIP): 0.024

SCImago Journal Rank(SJR): 0.134

 اهداف و دامنه موضوعات:مجله فوق انتشاراتی باکیفیت بالاست که مقلات علمی پژوهشی و روش شناسی‌ها و مطالعاتموردی از آنالیز داده‌ها تا محاسبات داده‌های متمرکز و تمام برنامه‌هایتحقیقاتی عظیم داده را در سطح وسیعی مورد پوشش قرار داده است. بعلاوه این مجله چالش‌هایی که عظیم داده با آن مواجه است از قبیل: ذخیره سازی، جستجو، به اشتراک گذاری، تجزیه‌و‌تحلیل، فناوری‌هایعظیم داده، بصری سازی، معماری برای پردازش موازی، تکنیک‌ها وابزارهای داده کاوی، الگوریتم‌های یادگیری ماشین برای عظیم داده،سیستم‌عامل محاسبات ابری، سیستم‌ها و پایگاه داده‌های توزیع شده وسیستم‌های ذخیره سازی مقیاس‌پذیر را نیز تحت پوشش قرار داده است. محققان و کارشناسان عظیم داده مجله Journal of Big Dataرا به عنوان منبع اصلی موضوعات نوآورانه می‌شناسند.

 

3️⃣ Big Data & Society

 سردبير:

 ایولین روپرت (گروه جامعه شناسی، گلداسمیتز، دانشگاهلندن، انگلستان)

لینک

http://journals.sagepub.com/home/bds

تعداد شماره: ٨

اهداف و دامنه موضوعات: یک مجله علمی با قابلیت دسترسی برای همه است، که عمدتا موضوعات علوم اجتماعی، انسانی، رایانه، هنر و علوم طبیعی در رابطه با مفهوم عظیم داده در اجتماع را پوشش می‌دهد. هدف اصلی این نشریه ایجاد فضای مناسب جهت بحث در رابطه با زمینه‌های در حال ظهور عظیم داده و نحوه تنظیم مجدد روابط علمی، اجتماعی، صنعت، تجارت و دولت و تخصیص روش، مفاهیم و دانش است.

 

4️⃣ IEEE Transactions on Big Data

سردبیر

کیان یانگ (گروه علوم کامپیوتر و مهندسی، دانشگاه علم وصنعت هنگ کنگ)

لینک

http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?punumber=6687317

تعداد شماره: ٣

اهداف و دامنه موضوعات: تمرکز اصلی مقالات مجله  بر روی موضوعات عظیم داده می‌باشد. این مقالات ایده‌ها و برنامه‌های کاربردی نوآورانه‌‌ای در زمینه عظیم داده‌ها شامل نظریه، الگوریتم و برنامه‌های کاربردی جدید ارائه می‌کنند. زمینه‌های تحقیقاتی برای عظیم داده‌ها شامل تجزیه‌و‌تحلیل عظیم داده، بصری سازی عظیم داده، مدیریت عظیم داده، معنا شناسی عظیم داده، زیرساخت عظیم داده، استانداردهای عظیم داده، تجزیه‌و‌تحلیل عملکرد عظیم داده، فهم عظیم داده، اکتشافات علمی از امنیت عظیم داده، حریم خصوصی و مسائی امنیتی عظیم داده می‌باشد.

 

5️⃣ International Journal of Big Data Intelligence

سردبیر:

هسو چینگ هسیان (دانشگاه چانگ هوا، تایوان) 

لینک

http://www.inderscience.com/ijbdi

تعداد شماره: ٥

اهداف و دامنه موضوعات: هدف مجله فوق فراهم کردن ایده‌های تحقیقاتی نوآورانه و برنامه‌های کاربردی در زمینه عظیم داده می‌باشد، همچنین ارتقا و ایجاد یک کانال ارتباطی موثر بین صنایع، سازمان‌هایدولتی، موسسات علمی و پژوهشی و افراد مرتبط با پیچیدگی‌های عظیم داده‌ها است. مجله موارد زیر را پوشش می‌دهد:

• چشم انداز پنج گانه عظیم داده: حجم، تنوع، سرعت، صحت، ارزش

• علم عظیم داده و مبانی، تجزیه‌و‌تحلیل، تجسم و معناشناسی

• نرم‌افزارها و ابزارها برای مدیریت عظیم داده‌ها

• امنیت، حریم خصوصی و مسائل حقوقی مربوط به عظیم داده

• اقتصاد عظیم داده، QoS و مدل‌های تجاری

• هوش مصنوعی و کشف علمی

• طراحی نرم‌افزار، سخت‌افزار و الگوریتم، محاسبات با کارایی بالا

• نظریه سیستم‌ها در مقیاس بزرگ و تجزیه‌و‌تحلیل نمودار

• الگوریتم‌ها، نمونه سازی و پیاده سازی

• نوآوری مبتنی بر داده، مدل سازی محاسباتی و ادغام داده‌ها

• تئوری‌های محاسباتی و تکنولوژی‌های اطلاعاتی

• مدل سازی، شبیه سازی و ارزیابی عملکرد